基于FPGA控制的DSP数据采集和处理系统

基于DSP和FPGA技术,设计了一种实时数据采集和处理系统,本文介绍了该数据采集和处理系统的结构、工作原理和工作流程.     

金属表面腐蚀损伤演化过程的元胞自动机模拟

 用一个简单的元胞自动机从介观的角度对腐蚀环境中金属表面的腐蚀损伤演化过程进行研究。假定腐蚀体系为扩散过程控制的金属腐蚀体系,定义了简单的局部规则反映腐蚀现象中的基本化学物理过程,例如质量转移、金属溶解和钝化过程等。对于单个蚀坑,得到了蚀坑等效半径随模拟时间的变化曲线;对于多个蚀坑,认为蚀坑的成核时间服从威布尔分布,通过对该分布函数进行随机抽样,使得在不同时刻金属表面会随机产生大量的蚀坑,对金属表面的腐蚀损伤情况进行模拟,得到了表面腐蚀损伤度随模拟时间的变化规律。结果表明元胞自动机法可以用于腐蚀损伤演化过程的模拟,这对于更好地进行腐蚀损伤的量化及结构完整性的评估有着重要的实际意义。     

高焓超声速气体取样分析

对取样探针内的流场进行了一维分析,证明气流中的化学反应能够被成功冻结。建立了取样分析系统,并对其进行了密封性校核。利用该系统对燃烧室尾气进行了取样以及色谱成分分析,进而推算了燃烧效率,得到的结果与实验观察以及燃烧室壁面静压测量结果相吻合。     

一种主字母体制安控指令检测采样优化方法

针对工程实现中主字母体制安控系统的指令实时检测性能受采样方案影响较大的问题,通过对单音信号频率、检测采样频率和采样点数的合理选择,提出了一种指令检测的采样优化实现方案。仿真实验结果表明,通过对采样方案的优化,在固定多普勒频偏和可变多普勒频偏情况下,可以最低采样点数实现指令可靠检测,便于利用FPGA实现实时处理。     

基于SEDA架构的网格服务容器设计与实现

网格服务容器是服务网格中的基础模块,负责屏蔽资源的异构性并和网格服务的运行提供支持.大多数网格服务容器均采用基于线程的并发机制来处理用户请求,在性能和可伸缩性上都存在局限.采用分级事件驱动架构SEDA(Staged Event Driven Architecture),通过划分阶段Stage的方式解除耦合,在阶段之间采用事件进行异步消息通信,结合非阻塞的I/O机制设计实现了一个事件驱动的网格服务容器,并从吞吐量、平均响应时间等方面和基于线程的服务容器进行了比较.结果表明事件驱动架构的确能在性能和可伸缩性方面带来效益,异步通信方式有效的减少了系统中的同步阻塞,带来更好的并发性.      

一种并行组合采样系统信号重构方法

提出了在并行组合采样系统这种多通道组合采样系统中,对于时基非同步信号,使用插值算法对组合信号进行重构的方法。实际的并行组合采样中,由于各采样通道之间的采样时钟相位控制存在时基偏差,引起了采样信号的时间非同步,导致采样波形非线性失真。为补偿系统的无杂散动态范围和实际信噪比,有效地还原信号原貌,需要对采样序列进行信号重构。提出了用插值算法来重构信号,实现对时基偏差的校正,并通过仿真验证,分析了此方法的可行性。     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法（自适应选样）可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了Kriging自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

基于失效模式相关度及子集模拟重要抽样的结构可靠度计算方法

针对具有多个相关失效模式的结构系统,提出了一种基于失效模式相关度聚类及子集模拟重要抽样的可靠度计算方法。首先按相关程度大小将失效模式简化为为强相关、弱相关、中等相关3类,聚类后的功能函数按子集模拟重要抽样法计算其可靠度,最后对每一类失效模式采用不同的原则,近似计算出结构可靠度。利用简单工程算例验证所提方法,证明了此方法有效提高了失效模式相关的结构系统可靠度的计算效率和精度。     

基于自适应优化方法的响应时间数据分析

温度传感器的响应时间是其重要的特性参数,反应了其动态测试性能。在实际测试中,对于响应时间测试数据采用人工读取的方法得到结果,存在人为因素较多,响应时间结果多次读取不一致,精度难以统一的问题。因此提出采用基于Kriging代理模型的自适应序贯优化方法对测试数据进行寻优拟合计算。通过理论阶跃响应曲线的拟合结果,并加入适当修正,最终得到温度传感器的响应时间计算结果。计算结果表明,该方法可以自动精确计算得到温度传感器的响应时间结果,同时可以对同一温度传感器的多次测试数据进行对比量化判断。与传统人工读取方法相比,该方法具有计算精度统一,自动高效,人为因素较少等优势。     

基于POD-RBFN降阶模型的串列叶栅流场预测

通过传统实验或CFD 手段获取流场信息的方法往往需要耗费大量资源或时间,这在需要快速获取大量流场信息时产生的成本是无法接受的,发展比传统CFD 更快速的流场预测方法具有重要意义。采用本征正交分解（POD）方法对样本流场进行模态分解,提取流场的主导模态;而后采用径向基函数神经网络（RBFN）响应POD 基函数的系数,实现流场降阶预测模型的构建,并在模型中采用基于函数响应偏差的自适应抽样方法;通过某串列叶栅非定常流场数据对预测模型进行验证。结果表明：本文构建的POD-RBFN 混合模型可以快速准确地预测出串列叶栅的流场参数分布;与静态采样相比,本文采用的自适应采样方法在采样效率上表现出明显优势,同样重构精度所需的样本数降低了25% 左右。